Big Data : applications dans différents secteurs d’activité
Pour commencer, de très nombreuses confusions existent entre 3 termes et leurs utilisations : le Big Data, l’Analytics et la Data Science (ou la Science des données). Mais qu’est-ce que tout cela signifie ?
Pour faire bref : le big data se traduit « méga-données ». Il représente aujourd’hui l’infrastructure qui soutient l’analytics : l’analyse de ces données massives. Plus largement, l’analytics, ce sont les mathématiques appliquées. L’analytics est également appelée Data Science : la science (algorithme, processus et système) qui regroupe plusieurs disciplines afin d’analyser des données. Cela dit, il est possible d’utiliser le big data sans utiliser l’analytics, par exemple en vous contentant d’un simple lieu de stockage des fichiers multimédias ou d’utiliser l’analytics sans base de données en Big Data, en utilisant par exemple, Microsoft Excel.
Le Big Data, c’est quoi ?
Leaders d’opinion, universitaires et autres acteurs de premier plan s’accordent à dire que le Big Data a changé la donne dans la plupart, sinon la totalité, des secteurs d’activité modernes, au cours des dernières années. Alors que le Big Data continue d’imprégner notre vie quotidienne, l’attention qu’on lui porte s’est déplacée du battage médiatique, vers la recherche d’une valeur réelle dans son utilisation.
Si la compréhension de la valeur du Big Data reste un défi, d’autres défis pratiques, notamment le financement, le retour sur investissement et les compétences, restent au premier plan pour plusieurs industries différentes qui l’adoptent. Cela dit, en 2017, le marché mondial du Big Data valait 32 milliards de dollars et d’ici 2026, il devrait atteindre 156 milliards de dollars.
Lorsqu’elles adoptent des projets Big Data les organisations ont généralement plusieurs objectifs conjoints. Parmi les principaux, on retrouve le fait d’améliorer l’expérience client. L’utilisation des données permet entre autres, la réduction des coûts, un meilleur ciblage et l’amélioration des processus existants. Ces derniers temps, la quête d’une sécurisation maximum des données est un enjeu que les projets Big Data cherchent à intégrer.
Vue d’ensemble du Big Data et de son application dans différents secteurs
1. Banques et valeurs mobilières
Une étude portant sur 16 projets menés dans 10 grandes banques d’investissement et de détail montre que les défis à relever dans ce secteur sont notamment les suivants :
- alerte précoce en cas de fraude aux titres,
- détection des fraudes à la carte,
- projection sur le risque de crédit,
- visibilité des transactions,
- transformation des données clients,
- analyse sociale pour les transactions, les opérations informatiques et la conformité aux politiques informatiques.
Aux États-Unis, la Securities Exchange Commission (SEC) utilise le Big Data pour surveiller l’activité des marchés financiers. Elle utilise actuellement l’analyse de réseau et les processeurs de langage naturel pour détecter les activités commerciales illégales sur les marchés financiers.
Les traders de détail, les grandes banques, les fonds spéculatifs utilisent le Big Data pour l’analyse des transactions dans le cadre du trading à haute fréquence, l’analyse d’aide à la décision avant les transactions, la mesure du sentiment, l’analyse prédictive, etc.
Ce secteur s’appuie aussi fortement sur le Big Data pour l’analyse des risques, notamment la lutte contre le blanchiment d’argent, la gestion du risque d’entreprise, la connaissance du client et l’atténuation de la fraude.
2. Communications, médias et divertissement
Face à la demande des consommateurs de médias « à la demande », dans différents formats et sur une variété d’appareils, certains défis liés au Big Data dans le secteur des communications, des médias et du divertissement sont :
- La collecte, l’analyse et l’utilisation des informations sur les consommateurs.
- Tirer parti du contenu des médias mobiles et sociaux
- Comprendre les modèles d’utilisation du contenu médiatique en temps réel
Les organisations de ce secteur analysent simultanément les données des clients et les données comportementales pour créer des profils détaillés de clients qui peuvent être utilisés pour :
- Créer du contenu pour différents publics cibles,
- Recommander du contenu à la demande,
- Mesurer les performances du contenu.
Spotify, un service de musique à la demande, utilise l’analyse des Big Data Hadoop pour collecter des données auprès de ses millions d’utilisateurs dans le monde entier, puis utilise les données analysées pour fournir des recommandations musicales éclairées aux utilisateurs individuels.
Amazon Prime, qui vise à offrir une expérience client exceptionnelle en proposant des vidéos, de la musique et des livres Kindle dans un guichet unique, utilise également beaucoup le Big Data.
3. Fournisseurs de soins de santé
Le secteur des soins de santé a accès à d’énormes quantités de données. Cela est dû principalement au fait que les données de chaque patient (âge, antécédents, conditions de vie …) sont complètement interdépendantes.
Parmi les défis liés au Big Data, citons l’exclusion des patients du processus décisionnel et l’utilisation de données provenant de différents capteurs facilement accessibles. Certains hôpitaux utilisent les données collectées à partir d’une application mobile, provenant de millions de patients, pour permettre aux médecins de mettre en place des soins basés sur des preuves plutôt que d’administrer plusieurs tests médicaux/laboratoires à tous les patients qui se rendent à l’hôpital. Une batterie de tests est efficace, mais elle est aussi très coûteuse.
Des données gratuites sur la santé publique et Google Maps ont, par exemple été utilisées par l’université de Floride pour créer des données visuelles qui permettent une identification plus rapide et une analyse efficace des informations, utilisées pour suivre la propagation des maladies chroniques. Obamacare a également utilisé le Big Data de diverses manières.
4. L’Éducation
D’un point de vue technique, l’un des principaux défis du secteur de l’Éducation est d’intégrer des données volumineuses provenant de sources et de fournisseurs différents, et de les utiliser sur des plateformes qui n’ont pas été conçues pour ces données variées.
D’un point de vue pratique, le personnel et les institutions doivent apprendre de nouveaux outils de gestion et d’analyse des données.
Sur le plan technique, l’intégration de données provenant de différentes sources sur différentes plateformes et de différents fournisseurs, qui n’ont pas été conçues pour fonctionner les unes avec les autres, pose des problèmes.
Sur le plan politique, les questions de confidentialité et de protection des données personnelles associées au Big Data utilisé à des fins éducatives, constituent un défi.
On utilise le Big Data de manière assez significative dans l’enseignement supérieur. Prenons par exemple, l’Université de Tasmanie. Cette université australienne comptant plus de 26 000 étudiants a déployé un système d’apprentissage et de gestion qui suit, entre autres, le moment où un étudiant se connecte au système, le temps passé sur les différentes pages, ainsi que la progression globale d’un étudiant dans le temps.
Dans un autre cas d’utilisation, le Big Data dans l’Éducation est également utilisé pour mesurer l’efficacité des enseignants afin de garantir une expérience agréable tant pour les élèves que pour les enseignants eux-même. Les performances des enseignants peuvent ainsi être affinées et mesurées en fonction du nombre d’élèves, de la matière enseignée, des caractéristiques démographiques des élèves, de leurs aspirations, de leur classification comportementale et de plusieurs autres variables. Les schémas de clics sont également utilisés pour détecter l’ennui.
5. Manufacturing et ressources naturelles
La demande croissante de ressources naturelles, notamment de pétrole, de produits agricoles, de minéraux, de gaz, de métaux, etc., a entraîné une augmentation du volume, de la complexité et de la vitesse des données qu’il est difficile de traiter.
De même, d’importants volumes de données provenant de l’industrie manufacturière sont inexploités. La sous-utilisation de ces informations empêche l’amélioration de la qualité des produits, de l’efficacité énergétique, de la fiabilité et de meilleures marges bénéficiaires.
Dans l’industrie des ressources naturelles, le Big Data permet une modélisation prédictive pour soutenir la prise de décision qui a été utilisée pour ingérer et intégrer de grandes quantités de données géospatiales, graphiques, textuelles et temporelles. L’interprétation sismique et la caractérisation des réservoirs font partie des domaines d’intérêt où cette méthode a été utilisée.
6. Applications du Big Data dans le secteur de l’assurance
Le manque de services personnalisés ciblés et de tarification sur-mesure sont préjudiciables pour les assureurs. En effet, pallier ces lacunes permettrait de nettes améliorations. En premier lieu, les assureurs gagneraient de nouveaux segments et parts de marché. Dans un second lieu, une enquête menée par Marketforce, va plus loin dans cette analyse. La sous-utilisation des données recueillies par les experts en sinistres représente une mine d’or trop peu utilisée.
Le Big Data est ici utilisé pour fournir des informations sur les clients. On cherche à proposer des produits plus simples, en analysant et en prédisant le comportement des clients. Cela est notamment permis grâce aux données issues des médias sociaux, des appareils équipés de GPS et des images de vidéosurveillance. Le Big Data permet également de mieux fidéliser les clients en proposant des personnalisations.
En ce qui concerne la gestion des sinistres, l’analyse prédictive du Big Data a été utilisée pour offrir un service plus rapide, puisque des quantités massives de données peuvent être analysées principalement au stade de la souscription. La détection des fraudes a également été améliorée.
Grâce aux données massives provenant des canaux numériques et des médias sociaux, le suivi en temps réel des réclamations tout au long du cycle de réclamation a été utilisé pour fournir des informations.
7. Commerce de détail et de gros
Ce secteur a recueilli de nombreuses données au fil du temps. Qu’il s’agisse des détaillants et grossistes traditionnels ou des commerçants en ligne. Ces données sont issues des cartes de fidélité des clients, des scanners de points de vente, etc. Elles sont encore trop peu utilisées pour améliorer l’expérience des clients dans son ensemble. Les changements et améliorations progressent relativement lentement par rapport aux autres secteurs.
Les magasins de détail et de gros cherchent notamment des infos sur la fidélité des clients, les stocks des magasins et les données démographiques locales…
Événement marquant : lors de la conférence sur le commerce de détail Big Show de New York en 2014. Des entreprises comme Microsoft, Cisco et IBM ont souligné la nécessité d’utiliser le Big Data pour l’analyse de ce secteur. D’autre optiques sont visées :
- L’optimisation de la dotation en personnel grâce aux données provenant des habitudes d’achat, des événements locaux, etc.
- La réduction de la fraude
- L’analyse des stocks.
L’utilisation des médias sociaux a également beaucoup de potentiel. On utilise les médias sociaux pour la prospection et la fidélisation des clients, la promotion des produits, etc.
8. Transport
Ces derniers temps, d’énormes quantités de données proviennent des réseaux sociaux et des télécommunications. Cette collectes de données à ensuite était utiliser afin d’influencer le comportement des voyageurs. Malheureusement cela, la recherche visant à comprendre ce comportement n’a pas progressé aussi rapidement.
Voici quelques applications du Big Data par les gouvernements, les organisations privées et les particuliers :
- Utilisation du Big Data par les gouvernements : contrôle du trafic, planification des itinéraires, systèmes de transport intelligents, gestion des embouteillages (en prévoyant les conditions de circulation).
- Utilisation du Big Data par le secteur privé dans le domaine des transports : gestion des recettes, améliorations technologiques, logistique et avantage concurrentiel (en regroupant les expéditions et en optimisant le transport de marchandises).
- L’utilisation individuelle du Big Data comprend la planification d’itinéraires pour économiser du carburant et du temps, pour l’organisation de voyages dans le tourisme, etc.
Pour conclure
Nous pouvons le constater : le Big Data possède un rôle majeure dans ce que deviendront ces secteurs d’activité demain. Quelques éléments clés sont à retenir :
- Les dépenses réelles consacrées au Big Data sont importantes.
- Pour tirer parti des opportunités offertes par le Big Data, il est nécéssaire de :
- Maîtriser les défis spécifiques à chaque secteur d’activité
- Comprendre ou connaître les caractéristiques des données de chaque industrie.
- Comprendre où se font les dépenses.
- Faire correspondre les besoins du marché aux capacités et solutions.
L’expertise des secteurs est essentielle pour utiliser le Big Data de manière efficace, efficiente et bienveillante !
Passionné par les métiers du Big Data, vous recherchez un poste dans ce secteur ? Consultez nos offres ou contactez l’équipe d’IKIGAÏ : nous sommes à votre écoute !
